希勒切削状态的识别是关键技术实现智能控制的希勒,已成为一个高度困难的全球关注的话题。本文以声音信号作为分析对象,提出了一种新颖的基于变分相结合的模式识别方法分解(VMD),主成分分析方法(PCA)和最小二乘支持向量机(LSSVM)。VMD可以将信号分解成不同的模式利用微积分的变异和有效地避免错误的组件和混合模式问题。在此基础上,设计一种改进的引力搜索算法(IGSA)是通过征收飞行的位置更新机制策略找到VMD的最优参数组合。然后,特征提取是通过计算分解的信封熵和峰度固有模式函数(货币)。为了避免维灾害和加强分类性能,介绍了PCA选择有用的特性,LSSVM-based合理构造分类器。最后,实验结果表明该方法是可行的和上级的认可希勒切削状态。